Практические советы

1. Помня, что ни один из методов сбора первичных данных не универсален, следует прежде всего решить, какой (какие) способ лучше всего отвечает программным целям исследования. Основания для данного решения: тип исследования (теоретике-прикладной или прикладной) и его принципиальный план (формулярный, описательный или аналитико-экспериментальный), а также наличие ресурсов, необходимых для использования данных методов.

2. В качестве главного метода следует выбрать наиболее соответствующий программным целям и максимально экономный. В теоретико-прикладном исследовании для углубленного анализа можно воспользоваться разными методами, но не обязательно с охватом всей выборочной совокупности. Разумно сформировать квотные подвыборки, объединяемые рядом об щих признаков (например, половозрастных, профессионально-квалификационных и т. п.), и в разных подвыборках применить разные комбинации методов. Тогда при анализе данных, пользуясь "соединительными муфтами" ("сквозные" признаки для всех подвыборок), мы получаем возможность более основательной интерпретации общих зависимостей и связей.

3. Несовпадение данных, полученных различными методами и техниками при их должной надежности, чаще всего объясняется тем, что выявляются различные аспекты изучаемых явлений и процессов. Правильный подход состоит в том, чтобы, выяснив причины несовпадений, использовать разнохарактерные сведения для многоплановой интерпретации и (или) формулировки гипотез, нуждающихся в дополнительной проверке.

4. Какой бы метод мы ни использовали, важно знать уровни соответствующих ошибок, особенно уровень неустойчивости исходных данных по разным показателям. Используя в дальнейшем различные приемы анализа полученной информации, следует помнить, что статистические ошибки вывода (доверительный интервал таких ошибок) непременно должны быть соотносимы с ошибкой исходной информации, так как последняя повышает его неопределенность. Во всех случаях величина статистической ошибки вывода должна быть меньше ошибки первичной регистрации данных.

Глава V "Жесткий" анализ эмпирических данных1

• 1 "Жестким" мы называем статистический анализ в отличие от "мягкого" — качественного (гл. VI ).

Анализ собранной информации — самый увлекательный этап исследования. Мы проверяем, насколько верны были исходные предположения, получаем ответы на заданные вопросы и выявляем новые проблемы. Методологический инструмент анализа — гипотезы, сформулированные в программе, и те, что возникают по мере их проверки и отвержения уже в процессе анализа собранных данных.

Вспомним, что гипотезы подразделяются на описательные и объяснительные. Соответственно этому выделим два класса процедур анализа. К первому отнесем дискриптивные процедуры: группировку, классификацию и с некоторыми оговорками типологизацию 2 . Второй класс образуют аналитике-экспериментальные процедуры, назначение которых — установление связей взаимодействия и детерминации.

• 2 Строго говоря, типологизация — промежуточный этап, совмещающий группировку и переход к анализу данных для проверки гипотез; ниже, при рассмотрении теоретической типологизации мы в этом убедимся (см. раздел 2 этой главы).

Цель этой главы — рассмотрение основных методов, но не техники анализа данных. Из технических средств мы используем наипростейшие и при необходимости будем отсылать читателей к соответствующей литературе.

И последнее. В этой главе речь идет об анализе данных массового социологического обследования, о качественно-количественном анализе, а в заключительном параграфе — о стратегии качественного анализа.